
综合
7*24 快讯
AI科普
合作
全部
英雄令
项目方
开发者
产品方
投资者
8月14日,一项研究发现,过度依赖人工智能(AI)可能使医生的癌症检测技能退化。研究人员评估了频繁使用AI辅助进行肠镜检查的医生,在无AI支持下其癌症检测准确率下降约6个百分点。这项研究由波兰、挪威、瑞典、英国和日本等国的专业人士共同完成,并发表在《柳叶刀・胃肠病学与肝脏病学》杂志上。研究对象为波兰四个肠镜检查中心参与AI试验项目的医生。研究结果引发了对AI在医疗领域应用的深思,探讨其在提升效率与潜在负面影响之间的平衡问题。
原文链接
2025年8月,初创公司Tahoe Therapeutics完成3000万美元融资,估值达1.2亿美元,目标是构建包含超10亿单细胞数据点的数据集,用于开发活细胞AI模型。该公司利用Mosaic平台快速生成生物数据,已研发出针对一种主要癌症亚型的候选药物,并推进FDA要求的临床前研究。今年2月,Tahoe开源了Tahoe-100M数据集,包含1亿数据点,助力AI模型预测癌细胞药物反应。其技术已在顶级期刊发表研究成果。核心团队由普林斯顿校友及UCSF顶尖科学家组成,致力于通过AI模拟活细胞破解癌症治疗难题。
原文链接
2025年8月,GPT-5发布引发热议,尽管部分用户对新版本表现失望,OpenAI创始人奥特曼迅速回应并恢复GPT-4选项。访谈中,奥特曼大胆预言:2035年GPT-8或能治愈癌症,2050年可能因AGI算力争夺爆发第三次世界大战。他强调AI将推动科学突破,预计2027年AI将在重大科学发现上取得进展。同时,他认为应届毕业生是‘最幸运一代’,未来将涌现全新职业和创业机会。此外,他还提到AI发展的四大瓶颈:算力、数据、算法与产品,并表示AI毁灭人类的概率仅为1%。
原文链接
AI+多组学:医疗革命的新希望
自1971年美国《国家癌症法》到2016年的“攻克癌症登月计划”,人类与癌症的斗争从未停止,但至今仍未取得全面胜利。近年来,AI与多组学结合的科研突破为精准医疗注入了新活力。这次,我们是否真的站在了医疗革命的门槛上?
为什么需要多组学?
人类基因组计划曾被视为...
原文链接
5月8日,《柳叶刀-数字医疗》期刊发表一项研究称,美国麻省总医院团队利用AI分析癌症患者面部照片,预测其生物年龄。研究表明,‘看起来更年轻’的患者治疗效果普遍更好。生物年龄与健康状况紧密相关,能反映治疗耐受力。研究开发的FaceAge工具基于5.6万张60岁以上人脸照片训练,发现癌症患者平均‘外貌年龄’比实际年龄大五岁。例如,69岁的Toni Feather因‘显年轻’可能具备更强恢复力。FaceAge不仅关注皱纹等明显特征,还检测太阳穴凹陷及嘴角折痕等隐性变化。研究者希望将其商业化并申请专利,但目前该工具存在肤色偏见及外界因素干扰等问题尚未解决。
原文链接
浙江大学研发的病理AI助手OmniPT,能在1-3秒内精准锁定癌症病灶,比传统方法大幅提高诊断效率。该技术由宋明黎教授团队与浙江大学附属第一医院合作开发,已在浙大一院病理科多个高发癌症类型中进行临床验证。传统病理分析需医生花费10多分钟观察切片,易导致视觉疲劳,影响诊断准确性。OmniPT的高效性在于处理庞大的病理图像数据,显著提升了癌症诊断的速度和精确度。
原文链接
近日,哈佛医学院等机构的科学家开发了一款名为CHIEF(Clinical Histopathology Imaging Evaluation Foundation)的AI癌症诊断模型,该模型于9月4日发表在《Nature》杂志上。CHIEF能够执行多种任务,包括检测癌细胞、分析肿瘤基因特征、预测患者生存率及识别肿瘤微环境。经过大量图像训练,CHIEF在癌症检测中达到96%的准确率,优于现有AI方法。此外,CHIEF能预测与治疗反应相关的基因和DNA模式,总体准确率超过70%,在预测患者生存率方面也表现出色。研究团队强调,CHIEF的灵活性使其能在不同临床环境中使用,有望成为高效、准确的癌症评估工具。
原文链接
【精准"算病",AI检测癌症,准确率高达94%】
哈佛医学院研究团队及其合作者提出了一种名为CHIEF的AI模型,旨在通过分析病理成像特征,实现对癌症的高效诊断。该模型在11种癌症类型的15个数据集上,达到93.97%的准确率,显著优于现有AI方法。在5个独立活检数据集中,准确率更高达96%,尤其在...
原文链接
AI在蛋白质设计上的新突破,为癌症与痴呆症研究带来希望
神经退行性疾病和中风、痴呆症等神经系统疾病是全球公共卫生的重大挑战,影响着大量人口的生活质量与健康。深入理解蛋白质的结构与功能,有望为这些疾病的防治提供关键线索。
自20世纪50年代以来,科学家们对蛋白质折叠问题的探索从未停止。然而,直到Alp...
原文链接
美国旧金山格拉德斯通研究所的科学家利用AI探索癌症治疗新途径,迪帕克·斯里瓦斯塔博士团队通过机器学习分析数百万实验数据,使患者免疫细胞能识别并针对性杀死癌细胞。他们旨在区分驱动癌症的基因错误,加速科研进程,以期缩短从发现到临床试验的时间,从而早日改变患者生活。波拉德博士,既是研究者又是癌症患者家属,强调紧迫性。这项突破性工作或将显著缩短癌症治疗研发周期。
原文链接
加载更多

暂无内容